Wyniki wyszukiwania - BazTech

1

Realizacja systemu identyfikacji fraz głosowych z wykorzystaniem izolowanego słownika referencyjnego, sztucznych sieci neuronowych oraz mikstur gaussowskich

Kamiński K.

Spektrum

|

2012

|

nr 7-8

XXII-XXIX

PL

Przedstawiono wyniki dotychczasowych badań autora nad systemem rozpoznawania mowy dla izolowanego słownika referencyjnego oraz jego wstępną implementację w środowisku Matlab. Implementacja ta zawiera dwie metody klasyfikacji, tj. metodę sztucznych sieci neuronowych oraz metodę mikstur gaussowskich. Autor nie podjął jeszcze ostatecznej decyzji wyboru metody do dalszej implementacji.

EN

Presented are results of the author's previous investigations concerning speech recognition system for isolated reference vocabulary and its preliminary implementation in Matlab environment. This implementation contains two classification methods i.e. the artificial neural network method and the Gauss mixtures one. The final decision concerning selection of one of the above methods for further implementation has not been made yet.

2

Metamodelowanie w optymalizacji procesów

Kusiak J.

Mechanik

|

2011

|

R. 84, nr 3

189-194

PL

Omówiono ideę metamodelowania na przykładzie dwóch często stosowanych metod metamodelowania: metody powierzchni odpowiedzi (Response Surface Methodology – RSM) oraz metody sztucznych sieci neuronowych (Artificial Neural Network – ANN). Przedstawiono również dwa przykłady zastosowań metamodelowania: w optymalizacji funkcji benchmarkowej oraz w analizie odwrotnej w próbie spęczania metali.

EN

Concept of metamodelling is discussed by the example of two frequently used metamodelling methods, viz: RSM or Response Surface Methodology and ANN or Artificial Neural Network. Presented are two metamodelling applications, one for optimization of the benchmark function and the other, for inverse analysis of the metal upsetting test.

3

Zastosowanie metody sieci neuronowych do analizy emisji cząstek stałych w spalinach silników ZS i ZI

Brzeżański M, Golomb P

Silniki Spalinowe

|

2009

|

R. 48, SC1

331--337

PL

W artykule zaprezentowano zagadnienia związane z emisją cząstek stałych w spalinach silników o zapłonie iskrowym i o zapłonie samoczynnym. Przedstawiono koncepcję zastosowania metody sztucznych sieci neuronowych do analizy emisji cząstek stałych. Proponowaną metodę można zastosować zarówno w odniesieniu do emisji z silników ZS, jak i ZI. Przedstawiono zagadnienia dotyczące toksycznych właściwości cząstek stałych oraz ich powstawania w silnikach ZI i ZS. Zaprezentowano sposób tworzenia sztucznych sieci neuronowych w oparciu o opracowaną metodykę pomiaru emisji cząstek stałych z użyciem analizatora do ciągłego pomiaru tej emisji. Przedstawiono planowany sposób weryfikacji wyników badań oraz spodziewane efekty naukowe i utylitarne.

EN

Problems of particle matter emission in the CI and SI engines exhaust gas have been presented in the article. The way of use of neural network method for investigation of particles emission has been presented. That method enables the analysis of particle matter emission field and verification of obtained results taking into consideration many independent parameters, which are usually omitted in standard investigations. Planned experimental methodology taking into consideration the proposed method of results analysis has been also presented.

4

Statistical analyses of gases dissolved in oil insulation of power apparatus

Karpiński J.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2007

|

z. 111

47-53

EN

In the paper various methods to interpret conditon of oil-paper insulation using classical statistics and artificial intelligence have been presented. Basing on samples of gases dissolved in oil insulation collected from a given transformer statistical methods have been developed.The results have been based on samples of gases collected from the biggest power plant in Poland. At the end of the paper the results of classical statistics and artificial neural method have been compared.

PL

W pracy przedstawione są różne metody interpretacji stanu izolacji na podstawie analizy stężeń gazów rozpuszczonych w oleju przy użyciu klasycznych metod statystycznych jak i metod z dziedziny sztucznej inteligencji (metoda sztucznych sieci neuronowych, metoda logiki rozmytej). Szczególnie zostały rozwinięte metody statystyczne w połączeniu z metodami klasycznymi analizy stężeń gazów rozpuszczonych w oleju. Główne tezy pracy doktorskiej: 1. Statystyczna analiza wszystkich, uzyskanych dla danego transformatora od początku jego pracy, danych pomiarowych dotyczących ilości gazów rozpuszczonych w oleju, będzie źródłem dodatkowych informacji pozwalających uprawdopodobnić diagnozę. Analiza wszystkich wyników powinna dotyczyć wartości bieżących, przyrostów i ilorazów. 2. Metody statystyki klasycznej mogą dać wyniki bardziej użyteczne i wiarygodne niż metoda sztucznych sieci neuronowych. Wyniki wszystkich analiz były oparte o próbki zgromadzone z jednego z największych przedsiębiorstw energetycznych w Polsce.

5

Zastosowanie symulacji neuronowych oraz nowoczesnych metod geostatystyki w cyfrowej parametryzacji złóż ropy i gazu

Darłak B., Malaga M., Włodarczyk M.

Prace Instytutu Nafty i Gazu

|

2006

|

nr 135

54-54

PL

Wykonano symulacje rozkładu porowatości efektywnej i miąższości dla złoża Różańsko wykorzystując metody geostatystyczne oraz metodę sztucznych sieci neuronowych. Zastosowano metodę regresji wielokrotnej do estymacji parametrów złożowych (porowatości i miąższości) oraz do stworzenia ich przestrzennych rozkładów, wygenerowanych na podstawie interpretacji wyników pomiarowych sejsmiki 3D, wykonanych na obszarze badanego obiektu. Z drugiej strony zastosowano do obliczeń sieć neuronową typu perceptron wielowarstwowy z algorytmem genetycznym. Stworzono mapy rozkładów symulowanych parametrów i porównano otrzymane wyniki. Stwierdzono, że obie metody dają poprawne wyniki, przy czym metoda sztucznych sieci neuronowych (ANN), będąc metodą szybszą i mniej pracochłonną stawia większe wymagania bazie danych, ze względu na tendencje do wygładzania symulowanych wyników.

EN

Numerical models of Różańsko reservoir were performed using geostatistical and artificial neural network (ANN) methods. The multiple regression method were applied as well for estimations of reservoir parameters extracted from well-log functions as for creation of space distribution of reservoir parameters depending on distributions of appropriate seismic attributes generated on the base of 3-D image of the investigated object. From the other side artificial neural network (ANN) with genetic algorithm were applied. Sketches of porosity and thickness distribution were obtained as a final result. It was showed that both methods give similar results.